
from scipy import stats as st
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import datetime as dt
import seaborn as sns
import math as mth
import plotly.express as px
from plotly import graph_objects as go
from plotly.subplots import make_subplots
import re
!pip install phik==0.11.1
import phik

Requirement already satisfied: phik==0.11.1 in /opt/conda/lib/python3.9/site-packages (0.11.1)
Requirement already satisfied: joblib>=0.14.1 in /opt/conda/lib/python3.9/site-packages (from phik==0.11.1) (1.1.0)
Requirement already satisfied: pandas>=0.25.1 in /opt/conda/lib/python3.9/site-packages (from phik==0.11.1) (1.2.4)
Requirement already satisfied: scipy>=1.5.2 in /opt/conda/lib/python3.9/site-packages (from phik==0.11.1) (1.9.1)
Requirement already satisfied: numpy>=1.18.0 in /opt/conda/lib/python3.9/site-packages (from phik==0.11.1) (1.21.1)
Requirement already satisfied: matplotlib>=2.2.3 in /opt/conda/lib/python3.9/site-packages (from phik==0.11.1) (3.3.4)
Requirement already satisfied: pyparsing!=2.0.4,!=2.1.2,!=2.1.6,>=2.0.3 in /opt/conda/lib/python3.9/site-packages (from matplotlib>=2.2.3->phik==0.11.1) (2.4.7)
Requirement already satisfied: cycler>=0.10 in /opt/conda/lib/python3.9/site-packages (from matplotlib>=2.2.3->phik==0.11.1) (0.11.0)
Requirement already satisfied: kiwisolver>=1.0.1 in /opt/conda/lib/python3.9/site-packages (from matplotlib>=2.2.3->phik==0.11.1) (1.4.4)
Requirement already satisfied: python-dateutil>=2.1 in /opt/conda/lib/python3.9/site-packages (from matplotlib>=2.2.3->phik==0.11.1) (2.8.1)
Requirement already satisfied: pillow>=6.2.0 in /opt/conda/lib/python3.9/site-packages (from matplotlib>=2.2.3->phik==0.11.1) (8.4.0)
Requirement already satisfied: pytz>=2017.3 in /opt/conda/lib/python3.9/site-packages (from pandas>=0.25.1->phik==0.11.1) (2021.1)
Requirement already satisfied: six>=1.5 in /opt/conda/lib/python3.9/site-packages (from python-dateutil>=2.1->matplotlib>=2.2.3->phik==0.11.1) (1.16.0)


pd.set_option('display.max_columns', None)
pd.set_option('display.max_colwidth', None)
pd.set_option('chained_assignment', None)
pd.options.mode.chained_assignment = None


def load(df):
        print ('Первые 10 строк таблицы:')
        print ()
        display (df.head(10))
        print ()
        print ('Иноформация о таблице:')
        print ()
        display (df.info())
        print ()
        print ('Числовое описание таблицы:')
        print ()
        display (df.describe())
        print ()
        print ('Количество дубликатов в таблице:')
        print ()
        display (df.duplicated().sum())
        print ()
        print ('Количество пропусков в таблице:')
        print ()
        display (df.isna().sum())
        print ()
        print ('Процентное соотношение пропусков к общему числу значений для каждого столбца')
        print ()
        display (pd.DataFrame(round(df.isna().mean()*100, 2)).style.background_gradient('coolwarm'))


df = pd.read_csv('https://code.s3.yandex.net/datasets/bank_scrooge.csv')


load(df)

Первые 10 строк таблицы:

Иноформация о таблице:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10000 entries, 0 to 9999
Data columns (total 12 columns):
 #   Column         Non-Null Count  Dtype  
---  ------         --------------  -----  
 0   USERID         10000 non-null  int64  
 1   score          10000 non-null  float64
 2   city           10000 non-null  object 
 3   gender         10000 non-null  object 
 4   age            9974 non-null   float64
 5   equity         10000 non-null  int64  
 6   balance        7705 non-null   float64
 7   products       10000 non-null  int64  
 8   credit_card    10000 non-null  int64  
 9   last_activity  10000 non-null  int64  
 10  EST_SALARY     10000 non-null  float64
 11  churn          10000 non-null  int64  
dtypes: float64(4), int64(6), object(2)
memory usage: 937.6+ KB

None

Числовое описание таблицы:

Количество дубликатов в таблице:

0

Количество пропусков в таблице:

USERID              0
score               0
city                0
gender              0
age                26
equity              0
balance          2295
products            0
credit_card         0
last_activity       0
EST_SALARY          0
churn               0
dtype: int64

Процентное соотношение пропусков к общему числу значений для каждого столбца


df.columns = df.columns.str.lower()
df = df.rename(columns={'userid': 'user_id'})


df['score'] = df['score'].astype('int')
df['age'] = df['age'].astype('int', errors='ignore')
df['user_id'] = df['user_id'].astype('int')


df['city'].value_counts()

Ярославль    5888
Рыбинск      2695
Ростов       1417
Name: city, dtype: int64


df['gender'].value_counts()

М    5005
Ж    4995
Name: gender, dtype: int64


df['equity'].value_counts()

0    2592
5    1918
4    1850
3    1543
2    1052
1     774
6     161
7      80
8      17
9      13
Name: equity, dtype: int64


df['products'].value_counts()

2    5126
1    3341
3    1039
4     474
5      19
0       1
Name: products, dtype: int64


df[df['products']==0]


df = df[df['products']>0]


df['credit_card'].value_counts()

1    6804
0    3195
Name: credit_card, dtype: int64


df['last_activity'].value_counts()

1    5235
0    4764
Name: last_activity, dtype: int64


df['churn'].value_counts()

0    8180
1    1819
Name: churn, dtype: int64


df_duplicated_id = df[df['user_id'].duplicated(keep=False)].sort_values(by='user_id')


df_duplicated_id.head(10)


df_duplicated_id['user_id'].nunique()

73


df_duplicated_id['city'].value_counts()

Ярославль    73
Рыбинск      73
Name: city, dtype: int64


df_duplicated_id['churn'].value_counts()

0    96
1    50
Name: churn, dtype: int64


df_duplicated_id['credit_card'].value_counts()

1    100
0     46
Name: credit_card, dtype: int64


df1 = df.query('user_id not in @df_duplicated_id["user_id"]')


df_duplicated_id_y = df_duplicated_id.query('city=="Ярославль"')
df_duplicated_id_r = df_duplicated_id.query('city=="Рыбинск"')
df_duplicated_id_r['user_id'] = df_duplicated_id_r['user_id']*10
df = pd.concat([df1, df_duplicated_id_r, df_duplicated_id_y])
df[df['user_id'].duplicated()]


df[df['age'].isna()].describe()


df[~df['age'].isna()].describe()


df['is_age_nan'] = df['age']


df['is_age_nan'] = df['is_age_nan'].fillna(0)
df['is_age_nan'] = df['is_age_nan'].astype('int')


def is_age_nan(is_age_nan):
    if is_age_nan != 0:
        return 0
    else:
        return 1


df['is_age_nan'] = df['is_age_nan'].apply(is_age_nan)
df.head(10)


(df[['score', 
    'age', 
    'gender', 
    'city', 
    'equity', 
    'balance', 
    'products', 
    'credit_card', 
    'last_activity', 
    'est_salary', 
    'churn',
    'is_age_nan']].phik_matrix(interval_cols = ['score', 'age', 'balance', 'est_salary'])).style.background_gradient('coolwarm')


df[~df['balance'].isna()].describe()


df_no_balance = df[df['balance'].isna()]
df_no_balance.describe()


df[df['balance']<=1]


df['is_balance_nan'] = df['balance']


df['is_balance_nan'] = df['is_balance_nan'].fillna(1)
df['is_balance_nan'] = df['is_balance_nan'].astype('int')


def is_balance_nan(is_balance_nan):
    if is_balance_nan != 1:
        return 0
    else:
        return is_balance_nan


df['is_balance_nan'] = df['is_balance_nan'].apply(is_balance_nan)
df.head(10)


(df[['score', 
    'age', 
    'gender', 
    'city', 
    'equity', 
    'balance', 
    'products', 
    'credit_card', 
    'last_activity', 
    'est_salary', 
    'is_balance_nan',
    'churn']].phik_matrix(interval_cols = ['score', 'age', 'balance', 'est_salary'])).style.background_gradient('coolwarm')


def visual_desc_box_hist(df, title_1, title_2, title_3, xlabel, ylabel):
    print (title_1)
    
    display (df.describe())
    
    plt.figure(figsize=(17,3))
    sns.boxplot(
        df, 
        orient='h'
    ).set(
        title = title_2, 
        xlabel = xlabel, 
        ylabel = '')
    plt.show()

    plt.figure(figsize=(17,5))
    sns.histplot(
        df
    ).set(title = title_3, 
        xlabel = xlabel, 
        ylabel = ylabel)
    plt.show()


print ('Числовое описание возраста клиентов:')
    
display (df['age'].describe())

plt.figure(figsize=(17,3))
sns.boxplot(df['age'], 
            orient='h').set(title = 'Диаграмма размаха возраста клиентов', 
                            xlabel = 'Возраст', 
                            ylabel = '')
plt.show()

plt.figure(figsize=(17,5))
sns.histplot(df['age'],
             binwidth=1).set(title = 'Гистограмма возраста клиентов', 
                           xlabel = 'Возраст', 
                           ylabel = 'Количество пользователей')
plt.show()

Числовое описание возраста клиентов:

count    9973.000000
mean       42.730773
std        12.175166
min        18.000000
25%        33.000000
50%        40.000000
75%        51.000000
max        86.000000
Name: age, dtype: float64

/opt/conda/lib/python3.9/site-packages/seaborn/_decorators.py:36: FutureWarning: Pass the following variable as a keyword arg: x. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  warnings.warn(


visual_desc_box_hist(df['score'],
       'Числовое описание кредитного рейтинга:',
       'Диаграмма размаха кредитного рейтинга:',
       'Гистограмма кредитного рейтинга:',
       'кредитный рейтинг',
       'Количество пользователей')

Числовое описание кредитного рейтинга:

count    9999.000000
mean      848.688069
std        65.441981
min       642.000000
25%       802.000000
50%       853.000000
75%       900.000000
max      1000.000000
Name: score, dtype: float64

/opt/conda/lib/python3.9/site-packages/seaborn/_decorators.py:36: FutureWarning: Pass the following variable as a keyword arg: x. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  warnings.warn(


df['balance'].describe()

count    7.705000e+03
mean     8.277943e+05
std      1.980614e+06
min      0.000000e+00
25%      2.955542e+05
50%      5.242722e+05
75%      9.807058e+05
max      1.191136e+08
Name: balance, dtype: float64


fig = px.histogram(df, x='balance')

fig.update_layout(title='Гистограмма баланса клиентов',
                   xaxis_title='Баланс',
                   yaxis_title='Количество клиентов')

fig.show()


fig = px.box(df, x="balance")

fig.update_layout(title='Диаграмма распределения баланса клиентов',
                   xaxis_title='Баланс',
                   yaxis_title='')


fig.show()


df.query('balance > 5000000')


df['est_salary'].describe()

count    9.999000e+03
mean     1.478792e+05
std      1.393901e+05
min      2.546300e+03
25%      7.525212e+04
50%      1.196615e+05
75%      1.745011e+05
max      1.395064e+06
Name: est_salary, dtype: float64


fig = px.histogram(df, x='est_salary')

fig.update_layout(title='Гистограмма дохода клиентов',
                   xaxis_title='Доход',
                   yaxis_title='Количество клиентов')


fig.show()


fig = px.box(df, x="est_salary")

fig.update_layout(title='Диаграмма распределения дохода клиентов',
                   xaxis_title='Доход',
                   yaxis_title='')


fig.show()


df.query('est_salary > 500000')


df['city_code'] = df['city']
df['gender_code'] = df['gender']


df = pd.get_dummies(df, columns=['city_code', 'gender_code'])
df


df['churn'].mean()

0.18191819181918192


def vis_bar (df, feature, xlabel, title):
    df_feature = df.pivot_table(index=feature, values='churn', aggfunc=['sum', 'count']).reset_index()
    df_feature['percent'] = round(df_feature['sum']/df_feature['count']*100, 2)
    df_feature.columns=['feature', 'churn', 'all', 'percent']
    df_feature = df_feature.sort_values(by='percent')
    display(df_feature)
    plt.figure(figsize=(17, 7))
    sns.barplot(data = df_feature, x='feature', y='percent')
    plt.title(title, fontsize=18)
    plt.ylabel('Процент ушедших', fontsize=16)
    plt.xlabel(xlabel, fontsize=16)
    plt.grid()
    plt.yticks(fontsize=14)
    plt.axhline(y=18.33, color='red', linestyle='--')
    plt.show


def vis_hist (df, feature, xlabel, title):
    plt.figure(figsize=(17, 7))
    sns.histplot(data=df, x=feature, hue='churn', stat="density", common_norm=False, alpha=0.5)
    plt.title(title, fontsize=18)
    plt.ylabel('Доля клиентов', fontsize=16)
    plt.xlabel(xlabel, fontsize=16)
    plt.grid()
    plt.yticks(fontsize=14)
    plt.show()


vis_bar(df, 
    'city',
    'Город', 
    'Диаграмма распеределения процента ушедших клиентов по городам')


vis_hist(df, 
    'score',
    'Кредитный рейтинг',
    'Гистограмма распеределения ушедших клиентов по кредитному рейтингу')


vis_bar(df, 
    'gender', 
    'Пол', 
    'Диаграмма распеределения процента ушедших клиентов по полу')


#vis_hist(df, 
#    'age',
#    'Возраст', 
#    'Гистограмма распеределения ушедших клиентов по возрасту')
plt.figure(figsize=(17, 7))
sns.histplot(data=df, x='age', hue='churn', stat="density", common_norm=False, alpha=0.5, binwidth=1)
plt.title('Гистограмма распеределения ушедших клиентов по возрасту', fontsize=18)
plt.ylabel('Доля клиентов', fontsize=16)
plt.xlabel('Возраст', fontsize=16)
plt.grid()
plt.yticks(fontsize=14)
plt.show()


vis_bar(df, 
    'equity',
    'Баллы собственности', 
    'Диаграмма распеределения процента ушедших клиентов по собственности')


vis_hist(df[df['balance']<2000000],
    'balance',
    'Баланс', 
    'Гистограмма распеределения ушедших клиентов по балансу')


vis_bar(df, 
    'products',
    'Количество продуктов', 
    'Диаграмма распеределения процента ушедших клиентов по количеству продуктов')


vis_bar(df, 
        'credit_card', 
        'Наличие кредитной карты', 
        'Диаграмма распеределения процена ушедших клиентов по наличию кредитной карты')


vis_bar(df, 
    'last_activity',
    'Признак активности', 
    'Диаграмма распеределения процента ушедших клиентов по признаку активности')


vis_hist(df[df['est_salary']<500000], 
    'est_salary',
    'Категория дохода', 
    'Гистограмма распеределения ушедших клиентов по категории дохода')


df_churn = df[df['churn']==1]
df_loyal = df[df['churn']==0]


data = {'Признак': ['город','кредитный рейтинг', 'пол', 'возраст', 'балл собственности', 'баланс', 'продукты', 'кредитная карта', 'активность', 'доход'],
        'Отток': ['Ярославль',
                  df_churn['score'].mean().astype('int'), 
                  'М', 
                  df_churn['age'].mean().astype('int'), 
                  df_churn['equity'].median().astype('int'),
                  round(df_churn['balance'].median(), 2),
                  df_churn['products'].median().astype('int'),
                  '1',
                  '1',
                  round(df_churn['est_salary'].median(), 2)],
        'Лояльность':  ['Рыбинск',
                  df_loyal['score'].mean().astype('int'), 
                  'Ж', 
                  df_loyal['age'].mean().astype('int'), 
                  df_loyal['equity'].median().astype('int'),
                  round(df_loyal['balance'].median(),2),
                  df_loyal['products'].median().astype('int'),
                  '1',
                  '0',
                  round(df_loyal['est_salary'].median(),2)],
        'Относительная разница': ['-',
                  round((df_churn['score'].mean().astype('int') - df_loyal['score'].mean().astype('int'))/df_churn['score'].mean().astype('int')*100, 2), 
                  '-', 
                  round((df_churn['age'].mean().astype('int') - df_loyal['age'].mean().astype('int'))/df_churn['age'].mean().astype('int')*100, 2),
                  '-',
                  round((df_churn['balance'].median().astype('int') - df_loyal['balance'].median().astype('int'))/df_churn['balance'].median().astype('int')*100, 2),
                  '-',
                  '-',
                  '-',
                  round((df_churn['est_salary'].median().astype('int') - df_loyal['est_salary'].median().astype('int'))/df_churn['est_salary'].median().astype('int')*100, 2)]
        }
portret = pd.DataFrame(data)
portret


df[['score', 
    'age', 
    'gender', 
    'city', 
    'equity', 
    'balance', 
    'products', 
    'credit_card', 
    'last_activity', 
    'est_salary', 
    'gender_code_Ж',
    'gender_code_М',
    'city_code_Ростов', 
    'city_code_Рыбинск', 
    'city_code_Ярославль', 
    'churn']].corr().style.background_gradient('coolwarm')


df_phik = (df[['score', 
    'age', 
    'gender', 
    'city', 
    'equity', 
    'balance', 
    'products', 
    'credit_card', 
    'last_activity', 
    'est_salary', 
    'churn']].phik_matrix(interval_cols = ['score', 'age', 'balance', 'est_salary']))
df_phik.style.background_gradient('coolwarm')


plt.figure(figsize=(17, 7))
df_phik['churn'].sort_values(ascending=False).plot(kind='bar')
plt.xlim(0.5,10.5)
plt.ylim(0,0.4)
plt.title('Диаграмма корреляции оттока', fontsize=18)
plt.ylabel('Уровень корреляции', fontsize=16)
plt.xlabel('Признак', fontsize=16)
plt.xticks(rotation=60)
plt.grid();


plt.figure(figsize=(17, 7))
sns.histplot(data=df.query('est_salary<=323000'), x='est_salary', hue='churn',stat="density", common_norm=False, alpha=0.5)
plt.title('', fontsize=18)
plt.ylabel('Доля клиентов', fontsize=16)
plt.xlabel('Доход', fontsize=16)
plt.grid()
plt.yticks(fontsize=14)
plt.show()


df_churn_sal = df.query('churn==1 & est_salary<=323000')
df_loyal_sal = df.query('churn==0 & est_salary<=323000')


alpha = 0.05
results = st.ttest_ind(df_churn_sal['est_salary'], df_loyal_sal['est_salary'], equal_var=False)

print('p-значение:', results.pvalue)

if results.pvalue < alpha:
    print('Отвергаем нулевую гипотезу')
else:
    print('Не получилось отвергнуть нулевую гипотезу')

p-значение: 0.00010185146487829361
Отвергаем нулевую гипотезу


plt.figure(figsize=(17, 7))
sns.histplot(data=df[df['balance']<=3000000], x='balance', hue='churn',stat="density", common_norm=False, alpha=0.5)
plt.title('', fontsize=18)
plt.ylabel('Доля клиентов', fontsize=16)
plt.xlabel('Баланс', fontsize=16)
plt.grid()
plt.yticks(fontsize=14)
plt.show()


df_churn_bal = df_churn.dropna(subset=['balance']).query('balance<=3000000')
df_loyal_bal = df_loyal.dropna(subset=['balance']).query('balance<=3000000')


alpha = 0.05
results = st.ttest_ind(df_churn_bal['balance'], df_loyal_bal['balance'], equal_var=False)

print('p-значение:', results.pvalue)

if results.pvalue < alpha:
    print('Отвергаем нулевую гипотезу')
else:
    print('Не получилось отвергнуть нулевую гипотезу')

p-значение: 1.2654162338517808e-58
Отвергаем нулевую гипотезу


value = 750000

alpha = 0.05 

results = st.ttest_1samp(
    df_churn_bal['balance'], 
    value,
    alternative='greater')

print('p-значение:', results.pvalue)

if (results.pvalue < alpha):
    print('Отвергаем нулевую гипотезу')
else:
    print('Не отвергаем нулевую гипотезу')

p-значение: 2.1475072458550992e-17
Отвергаем нулевую гипотезу


value = 750000

alpha = 0.05 

results = st.ttest_1samp(
    df_loyal_bal['balance'], 
    value,
    alternative='less')

print('p-значение:', results.pvalue)

if (results.pvalue < alpha):
    print('Отвергаем нулевую гипотезу')
else:
    print('Не отвергаем нулевую гипотезу')

p-значение: 2.7817017363757088e-114
Отвергаем нулевую гипотезу


alpha = 0.01
p1 = df.query('churn==1 & products<3')['user_id'].count() / df.query('products<3')['user_id'].count()
p2 = df.query('churn==1 & products>=3')['user_id'].count() / df.query('products>=3')['user_id'].count()
p_combined = (
    df.query('churn==1 & products<3')['user_id'].count() 
    + df.query('churn==1 & products>=3')['user_id'].count()) / (
    df.query('products<3')['user_id'].count() + df.query('products>=3')['user_id'].count())
difference = p1 - p2
z_value = difference / mth.sqrt(p_combined * (1 - p_combined) * 
                                        (1/df.query('products<3')['user_id'].count() + 1/df.query('products>=3')['user_id'].count()))
distr = st.norm(0, 1)
p_value = (1 - distr.cdf(abs(z_value))) * 2
print('p-значение =', p_value)
if (p_value < alpha):
    print("Отвергаем нулевую гипотезу: между исследуемыми группами есть различия")
else:
    print("Не получилось отвергнуть нулевую гипотезу, между исследуемыми группами нет различий")

p-значение = 0.0
Отвергаем нулевую гипотезу: между исследуемыми группами есть различия


alpha = 0.01
p1 = df.query('churn==1 & equity<4')['user_id'].count() / df.query('equity<4')['user_id'].count()
p2 = df.query('churn==1 & equity>=4')['user_id'].count() / df.query('equity>=4')['user_id'].count()
p_combined = (
    df.query('churn==1 & equity<4')['user_id'].count() 
    + df.query('churn==1 & equity>=4')['user_id'].count()) / (
    df.query('equity<4')['user_id'].count() + df.query('equity>=4')['user_id'].count())
difference = p1 - p2
z_value = difference / mth.sqrt(p_combined * (1 - p_combined) * 
                                        (1/df.query('equity<4')['user_id'].count() + 1/df.query('equity>=4')['user_id'].count()))
distr = st.norm(0, 1)
p_value = (1 - distr.cdf(abs(z_value))) * 2
print('p-значение =', p_value)
if (p_value < alpha):
    print("Отвергаем нулевую гипотезу: между исследуемыми группами есть различия")
else:
    print("Не получилось отвергнуть нулевую гипотезу, между исследуемыми группами нет различий")

p-значение = 0.0
Отвергаем нулевую гипотезу: между исследуемыми группами есть различия


plt.figure(figsize=(17, 7))
sns.histplot(data=df, x='score', hue='churn',stat="density", common_norm=False, alpha=0.5)
plt.title('', fontsize=18)
plt.ylabel('Доля клиентов', fontsize=16)
plt.xlabel('кредитный рейтинг', fontsize=16)
plt.grid()
plt.yticks(fontsize=14)
plt.show()


alpha = 0.05
results = st.ttest_ind(df_churn.query('score>=655')['score'], df_loyal.query('score>=655')['score'], equal_var=False)

print('p-значение:', results.pvalue)

if results.pvalue < alpha:
    print('Отвергаем нулевую гипотезу')
else:
    print('Не получилось отвергнуть нулевую гипотезу')

p-значение: 1.1279974502642625e-34
Отвергаем нулевую гипотезу


alpha = 0.01
p1 = df.query('churn==1 & gender=="Ж"')['user_id'].count() / df.query('gender=="Ж"')['user_id'].count()
p2 = df.query('churn==1 & gender=="М"')['user_id'].count() / df.query('gender=="М"')['user_id'].count()
p_combined = (
    df.query('churn==1 & gender=="Ж"')['user_id'].count() 
    + df.query('churn==1 & gender=="М"')['user_id'].count()) / (
    df.query('gender=="Ж"')['user_id'].count() + df.query('gender=="М"')['user_id'].count())
difference = p1 - p2
z_value = difference / mth.sqrt(p_combined * (1 - p_combined) * 
                                        (1/df.query('gender=="Ж"')['user_id'].count() + 1/df.query('gender=="М"')['user_id'].count()))
distr = st.norm(0, 1)
p_value = (1 - distr.cdf(abs(z_value))) * 2
print('p-значение =', p_value)
if (p_value < alpha):
    print("Отвергаем нулевую гипотезу: между исследуемыми группами есть различия")
else:
    print("Не получилось отвергнуть нулевую гипотезу, между исследуемыми группами нет различий")

p-значение = 0.0
Отвергаем нулевую гипотезу: между исследуемыми группами есть различия


data = {'feature': ['score', 'gender', 'age', 'equity', 'balance', 'products', 'credit_card', 'last_activity', 'est_salary'],
        'hig_churn': ['830-910', 'М', '25-35, 50-60', '>3', '>750тыс', '>3', '0', '1', '100тыс-220тыс'],
        'hig_churn_percent': [round(df.query('score>=830 & score<=910')['churn'].mean(),4)*100,
                               round(df.query('gender=="М"')['churn'].mean(),4)*100,
                               round(df.query('(age>=25 & age<=35) | (age>=50 & age<=60)')['churn'].mean(),4)*100,
                               round(df.query('equity>3')['churn'].mean(),4)*100, 
                               round(df.query('balance>=750000')['churn'].mean(),4)*100, 
                               round(df.query('products>=3')['churn'].mean(),4)*100, 
                               round(df.query('credit_card==0')['churn'].mean(),4)*100, 
                               round(df.query('last_activity==1')['churn'].mean(),4)*100, 
                               round(df.query('est_salary>=100000 & est_salary<=220000')['churn'].mean(),4)*100],
        'low_churn': ['<830, >910', 'Ж', '<25, 35-50, >60', '<3', '<300тыс', '1', '1', '0', '<80тыс'],
        'low_churn_percent':  [round(df.query('score<830 | score>910')['churn'].mean(),4)*100,
                               round(df.query('gender=="Ж"')['churn'].mean(),4)*100,
                               round(df.query('age<25 | (age>35 & age<50) | age>60')['churn'].mean(),4)*100,
                               round(df.query('equity<3')['churn'].mean(),4)*100, 
                               round(df.query('balance<250000')['churn'].mean(),4)*100, 
                               round(df.query('products==1')['churn'].mean(),4)*100, 
                               round(df.query('credit_card==1')['churn'].mean(),4)*100, 
                               round(df.query('last_activity==0')['churn'].mean(),4)*100, 
                               round(df.query('est_salary<80000')['churn'].mean(),4)*100],
        }
portret = pd.DataFrame(data)
portret['hig_churn_percent'] = portret['hig_churn_percent'].astype('float')
portret['low-churn-percent'] = portret['low_churn_percent'].astype('float')
portret.sort_values(by='hig_churn_percent', ascending=False)


def score_cat(score):
    if score < 830:
        return 'low'
    if 830 <= score <= 910:
        return 'middle'
    if 910 < score:
        return 'high'


df['score_cat'] = df['score'].apply(score_cat)


def age_cat(age):
    if age < 25:
        return '18-24'
    if 25 <= age < 34:
        return '25-34'
    if 35 <= age < 50:
        return '35-50'
    if 50 <= age < 60:
        return '50-60'
    if 60 <= age:
        return '60+'


df['age_cat'] = df['age'].apply(age_cat)


def balance_cat(balance):
    if balance < 250000:
        return 'low'
    if 250000 <= balance < 750000:
        return 'middle'
    if 750000 <= balance:
        return 'high'


df['balance_cat'] = df['balance'].apply(balance_cat)


def equity_cat(equity):
    if equity <= 3:
        return 'low'
    if equity > 3:
        return 'high'


df['equity_cat'] = df['equity'].apply(equity_cat)


def products_cat(products):
    if products < 3:
        return 'low'
    if products >= 3:
        return 'high'


df['products_cat'] = df['products'].apply(products_cat)


df['churn'].mean()

0.18191819181918192


pre_pensioner= df.query('balance_cat=="high" & age_cat=="50-60"')
pre_pensioner


round(pre_pensioner['churn'].mean(),2)

0.46


young_active_middle_score = df.query('score_cat=="middle" & age_cat=="25-34" & last_activity==1')
young_active_middle_score


round(young_active_middle_score['churn'].mean(),2)

0.48


rich_men = df.query('gender=="М" & balance_cat=="high" & equity_cat=="high" & last_activity==1')
rich_men


round(rich_men['churn'].mean(),2)

0.61


high_balance_many_products = df.query('balance_cat=="high" & products_cat=="high"')
high_balance_many_products


round(high_balance_many_products['churn'].mean(), 2)

0.52


high_balance_middle_score_no_card = df.query('balance_cat=="high" & credit_card==0 & score_cat=="middle"')
high_balance_middle_score_no_card


round(high_balance_middle_score_no_card['churn'].mean(), 2)

0.5


data = {'segment': ['Предпенсионеры', 'Молодёжь', 'Состоятельные мужчины', 'Много продуктов', 'Нет кредитной карты'],
        'segment_size': ['554', '579', '530', '730', '632'],
        'churn_percent': ['46', '48', '62', '53', '50'],
        'score_cat': ['any', 'middle', 'any', 'any', 'middle'],
        'gender': ['any', 'any', 'М', 'any', 'any'],
        'age_cat': ['50-60', '25-34', 'any', 'any', 'any'],
        'equity_cat': ['any', 'any', 'high', 'any', 'any'],
        'balance_cat': ['high', 'any', 'high', 'high', 'high'],
        'products_cat': ['any', 'any', 'any', 'high', 'any'],
        'credit_card': ['any', 'any', 'any', 'any', '0'],
        'last_activity': ['any', '1', '1', 'any', 'any']
        }
segments = pd.DataFrame(data)
segments['churn_percent']=segments['churn_percent'].astype('int')
segments=segments.sort_values(by='churn_percent', ascending=False)
segments


plt.figure(figsize=(17, 7))
sns.barplot(x='segment', y='churn_percent', data=segments.sort_values(by='churn_percent', ascending=False))
plt.title('Приоритезация сегментов', fontsize=18)
plt.ylabel('Процент оттока', fontsize=16)
plt.xlabel('Сегмент', fontsize=16)
plt.grid()
plt.xticks(rotation=30)
plt.yticks(fontsize=14);

	USERID	score	city	gender	age	equity	balance	products	credit_card	last_activity	EST_SALARY	churn
0	183012	850.0	Рыбинск	Ж	25.0	1	59214.82	2	0	1	75719.14	1
1	146556	861.0	Рыбинск	Ж	37.0	5	850594.33	3	1	0	86621.77	0
2	120722	892.0	Рыбинск	Ж	30.0	0	NaN	1	1	1	107683.34	0
3	225363	866.0	Ярославль	Ж	51.0	5	1524746.26	2	0	1	174423.53	1
4	157978	730.0	Ярославль	М	34.0	5	174.00	1	1	0	67353.16	1
5	202305	856.0	Рыбинск	М	56.0	4	863687.24	3	1	0	156619.80	0
6	177259	807.0	Ярославль	Ж	39.0	3	405042.44	3	0	1	103838.32	0
7	218868	825.0	Ярославль	Ж	38.0	4	458145.40	2	1	1	68085.48	0
8	211686	923.0	Ярославль	М	54.0	5	1206337.87	2	1	0	155371.79	0
9	133130	906.0	Ярославль	Ж	67.0	0	NaN	1	0	1	238055.53	0

	user_id	score	city	gender	age	equity	balance	products	credit_card	last_activity	est_salary	churn
1893	116540	883	Рыбинск	Ж	55.0	1	362756.49	3	0	1	175920.48	1
7694	116540	887	Ярославль	Ж	38.0	0	NaN	1	0	1	119247.61	0
7542	117943	880	Ярославль	Ж	40.0	0	NaN	1	1	0	137718.93	0
4866	117943	855	Рыбинск	Ж	32.0	6	1036832.93	4	1	1	107792.71	1
5896	120258	905	Ярославль	М	30.0	0	NaN	1	1	1	146427.96	0
5863	120258	908	Рыбинск	Ж	38.0	4	2213581.63	2	0	1	160327.77	1
1411	123461	829	Ярославль	Ж	59.0	0	96222.44	2	0	1	102771.55	1
8638	123461	934	Рыбинск	М	34.0	0	NaN	2	1	0	291619.27	0
8164	124450	859	Ярославль	Ж	38.0	6	516811.20	1	1	1	95144.63	1
9775	124450	758	Рыбинск	Ж	36.0	0	73574.07	2	0	1	79963.59	0

	user_id	score	age	equity	balance	products	credit_card	last_activity	est_salary	churn
count	2.600000e+01	26.000000	0.0	26.000000	1.000000e+01	26.000000	26.000000	26.000000	26.000000	26.000000
mean	9.474557e+05	855.153846	NaN	1.384615	1.250034e+06	1.346154	0.769231	0.769231	178585.199231	0.038462
std	9.175510e+05	83.418316	NaN	1.961161	2.265235e+06	0.561591	0.429669	0.429669	175135.552768	0.196116
min	1.274400e+05	663.000000	NaN	0.000000	1.715102e+05	1.000000	0.000000	0.000000	55073.630000	0.000000
25%	2.016448e+05	827.500000	NaN	0.000000	2.523268e+05	1.000000	1.000000	1.000000	77807.760000	0.000000
50%	2.215030e+05	888.500000	NaN	0.000000	4.173611e+05	1.000000	1.000000	1.000000	142598.860000	0.000000
75%	1.991460e+06	919.250000	NaN	3.000000	1.039439e+06	2.000000	1.000000	1.000000	176991.690000	0.000000
max	2.265500e+06	942.000000	NaN	5.000000	7.601719e+06	3.000000	1.000000	1.000000	922080.250000	1.000000

	user_id	score	city	gender	age	equity	balance	products	credit_card	last_activity	est_salary	churn
0	183012	850	Рыбинск	Ж	25.0	1	59214.82	2	0	1	75719.14	1
1	146556	861	Рыбинск	Ж	37.0	5	850594.33	3	1	0	86621.77	0
2	120722	892	Рыбинск	Ж	30.0	0	NaN	1	1	1	107683.34	0
3	225363	866	Ярославль	Ж	51.0	5	1524746.26	2	0	1	174423.53	1
4	157978	730	Ярославль	М	34.0	5	174.00	1	1	0	67353.16	1
5	202305	856	Рыбинск	М	56.0	4	863687.24	3	1	0	156619.80	0
6	177259	807	Ярославль	Ж	39.0	3	405042.44	3	0	1	103838.32	0
8	211686	923	Ярославль	М	54.0	5	1206337.87	2	1	0	155371.79	0
9	133130	906	Ярославль	Ж	67.0	0	NaN	1	0	1	238055.53	0
10	148929	927	Ростов	М	52.0	0	NaN	1	1	1	196820.07	0

	score	age	gender	city	equity	balance	products	credit_card	last_activity	est_salary	churn	is_age_nan
score	1.000000	0.037213	0.071596	0.091698	0.528118	0.170900	0.419572	0.208941	0.054361	0.396156	0.228260	0.060574
age	0.037213	1.000000	0.285744	0.093407	0.043097	0.024989	0.141220	0.156734	0.089580	0.358130	0.183435	nan
gender	0.071596	0.285744	1.000000	0.012645	0.064360	0.045424	0.072036	0.196043	0.014404	0.144628	0.219184	0.000000
city	0.091698	0.093407	0.012645	1.000000	0.063448	0.039968	0.124901	0.074782	0.030637	0.171413	0.017054	0.011866
equity	0.528118	0.043097	0.064360	0.063448	1.000000	0.000000	0.584444	0.221871	0.050997	0.286410	0.352737	0.038195
balance	0.170900	0.024989	0.045424	0.039968	0.000000	1.000000	0.000000	0.000000	0.000000	0.374373	0.024701	0.000000
products	0.419572	0.141220	0.072036	0.124901	0.584444	0.000000	1.000000	0.271101	0.112509	0.223097	0.260106	0.027575
credit_card	0.208941	0.156734	0.196043	0.074782	0.221871	0.000000	0.271101	1.000000	0.050021	0.038139	0.202586	0.000000
last_activity	0.054361	0.089580	0.014404	0.030637	0.050997	0.000000	0.112509	0.050021	1.000000	0.046165	0.261583	0.032790
est_salary	0.396156	0.358130	0.144628	0.171413	0.286410	0.374373	0.223097	0.038139	0.046165	1.000000	0.047767	0.009371
churn	0.228260	0.183435	0.219184	0.017054	0.352737	0.024701	0.260106	0.202586	0.261583	0.047767	1.000000	0.020500
is_age_nan	0.060574	nan	0.000000	0.011866	0.038195	0.000000	0.027575	0.000000	0.032790	0.009371	0.020500	1.000000

	USERID	score	age	equity	balance	products	credit_card	last_activity	EST_SALARY	churn
count	10000.00000	10000.000000	9974.000000	10000.000000	7.705000e+03	10000.000000	10000.000000	10000.000000	1.000000e+04	10000.000000
mean	171814.71260	848.699400	42.734409	2.627600	8.277943e+05	1.870100	0.680400	0.523500	1.478669e+05	0.182000
std	33708.23812	65.448519	12.179971	1.980836	1.980614e+06	0.792647	0.466345	0.499472	1.393885e+05	0.385864
min	94561.00000	642.000000	18.000000	0.000000	0.000000e+00	0.000000	0.000000	0.000000	2.546300e+03	0.000000
25%	142810.25000	802.000000	33.000000	0.000000	2.955542e+05	1.000000	0.000000	0.000000	7.525190e+04	0.000000
50%	172728.00000	853.000000	40.000000	3.000000	5.242722e+05	2.000000	1.000000	1.000000	1.196581e+05	0.000000
75%	201261.75000	900.000000	51.000000	4.000000	9.807058e+05	2.000000	1.000000	1.000000	1.745005e+05	0.000000
max	229145.00000	1000.000000	86.000000	9.000000	1.191136e+08	5.000000	1.000000	1.000000	1.395064e+06	1.000000

	user_id	score	age	equity	balance	products	credit_card	last_activity	est_salary	churn
count	9.973000e+03	9973.000000	9973.000000	9973.000000	7.695000e+03	9973.000000	9973.000000	9973.000000	9.973000e+03	9973.000000
mean	1.817914e+05	848.671212	42.730773	2.630803	8.272456e+05	1.871653	0.680237	0.522912	1.477991e+05	0.182292
std	1.345154e+05	65.393153	12.175166	1.980060	1.980327e+06	0.792547	0.466408	0.499500	1.392871e+05	0.386105
min	9.456100e+04	642.000000	18.000000	0.000000	0.000000e+00	1.000000	0.000000	0.000000	2.546300e+03	0.000000
25%	1.429290e+05	802.000000	33.000000	0.000000	2.956987e+05	1.000000	0.000000	0.000000	7.525202e+04	0.000000
50%	1.729490e+05	853.000000	40.000000	3.000000	5.242953e+05	2.000000	1.000000	1.000000	1.196431e+05	0.000000
75%	2.015550e+05	900.000000	51.000000	4.000000	9.800512e+05	2.000000	1.000000	1.000000	1.745000e+05	0.000000
max	2.280750e+06	1000.000000	86.000000	9.000000	1.191136e+08	5.000000	1.000000	1.000000	1.395064e+06	1.000000

	user_id	score	age	equity	balance	products	credit_card	last_activity	est_salary	churn	is_age_nan
count	7.705000e+03	7705.000000	7695.000000	7705.000000	7.705000e+03	7705.000000	7705.000000	7705.000000	7.705000e+03	7705.000000	7705.000000
mean	1.817293e+05	843.739260	42.924366	3.395068	8.277943e+05	2.080986	0.640104	0.515769	1.245019e+05	0.234523	0.001298
std	1.338199e+05	55.332162	12.244010	1.584477	1.980614e+06	0.757231	0.480001	0.499784	1.046635e+05	0.423728	0.036005
min	9.456100e+04	689.000000	18.000000	0.000000	0.000000e+00	1.000000	0.000000	0.000000	2.546300e+03	0.000000	0.000000
25%	1.428410e+05	801.000000	33.000000	2.000000	2.955542e+05	2.000000	0.000000	0.000000	6.755181e+04	0.000000	0.000000
50%	1.729830e+05	840.000000	40.000000	4.000000	5.242722e+05	2.000000	1.000000	1.000000	1.062222e+05	0.000000	0.000000
75%	2.015490e+05	882.000000	52.000000	5.000000	9.807058e+05	2.000000	1.000000	1.000000	1.550457e+05	0.000000	0.000000
max	2.280750e+06	1000.000000	86.000000	9.000000	1.191136e+08	5.000000	1.000000	1.000000	1.395064e+06	1.000000	1.000000

	user_id	score	age	equity	balance	products	credit_card	last_activity	est_salary	churn	is_age_nan
count	2.294000e+03	2294.000000	2278.000000	2294.000000	0.0	2294.000000	2294.000000	2294.000000	2.294000e+03	2294.000000	2294.000000
mean	1.906777e+05	865.309939	42.076822	0.049695	NaN	1.162598	0.816042	0.549695	2.263979e+05	0.005231	0.006975
std	1.851256e+05	89.599887	11.919094	0.217361	NaN	0.401888	0.387535	0.497633	1.997711e+05	0.072152	0.083241
min	1.141820e+05	642.000000	18.000000	0.000000	NaN	1.000000	0.000000	0.000000	2.027403e+04	0.000000	0.000000
25%	1.431570e+05	871.000000	33.000000	0.000000	NaN	1.000000	1.000000	0.000000	1.204182e+05	0.000000	0.000000
50%	1.731340e+05	903.000000	40.000000	0.000000	NaN	1.000000	1.000000	1.000000	1.742028e+05	0.000000	0.000000
75%	2.020728e+05	922.000000	49.000000	0.000000	NaN	1.000000	1.000000	1.000000	2.400706e+05	0.000000	0.000000
max	2.267190e+06	990.000000	86.000000	1.000000	NaN	3.000000	1.000000	1.000000	1.333687e+06	1.000000	1.000000

	user_id	score	city	gender	age	equity	balance	products	credit_card	last_activity	est_salary	churn	is_age_nan
3900	179831	730	Ярославль	М	18.0	0	0.0	2	1	1	64548.33	0	0
6757	148456	813	Ярославль	М	20.0	2	0.0	2	1	0	23876.51	0	0

	user_id	score	city	gender	age	equity	balance	products	credit_card	last_activity	est_salary	churn	is_age_nan	is_balance_nan
107	134358	985	Рыбинск	Ж	41.0	4	6749773.07	2	1	0	698013.27	0	0	0
125	227092	1000	Ярославль	М	32.0	5	19757180.85	2	1	1	1024626.50	0	0	0
143	198181	958	Ярославль	М	34.0	3	5763239.76	2	1	1	920730.06	1	0	0
248	180899	930	Ярославль	М	32.0	4	5527695.02	3	0	1	360963.15	0	0	0
324	221077	925	Ярославль	Ж	51.0	5	5049319.16	3	0	1	224310.01	0	0	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
9753	122015	885	Ярославль	М	64.0	4	25727761.86	3	1	0	168746.90	0	0	0
3230	210135	974	Ярославль	Ж	50.0	5	5680148.93	4	1	1	338471.66	0	0	0
869	210662	962	Ярославль	Ж	54.0	5	5069231.39	1	1	1	955144.85	1	0	0
2597	226719	990	Ярославль	М	37.0	4	14648692.14	2	0	0	934412.61	1	0	0
1247	228075	932	Ярославль	М	NaN	5	7601719.20	2	1	1	408121.16	0	1	0

	user_id	score	city	gender	age	equity	balance	products	credit_card	last_activity	est_salary	churn	is_age_nan	is_balance_nan
30	155730	946	Ярославль	Ж	47.0	0	NaN	2	1	1	660015.85	0	0	1
44	210313	935	Ярославль	М	41.0	5	3781118.22	2	1	0	761349.20	0	0	0
107	134358	985	Рыбинск	Ж	41.0	4	6749773.07	2	1	0	698013.27	0	0	0
124	192966	686	Рыбинск	Ж	33.0	0	NaN	1	1	1	518488.59	0	0	1
125	227092	1000	Ярославль	М	32.0	5	19757180.85	2	1	1	1024626.50	0	0	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
5020	168998	886	Ярославль	Ж	35.0	4	394780.61	2	1	1	510577.10	1	0	0
7931	191520	767	Ярославль	М	45.0	0	NaN	1	1	1	880005.05	0	0	1
869	210662	962	Ярославль	Ж	54.0	5	5069231.39	1	1	1	955144.85	1	0	0
8449	210898	805	Ярославль	Ж	NaN	0	NaN	1	0	1	922080.25	0	1	1
2597	226719	990	Ярославль	М	37.0	4	14648692.14	2	0	0	934412.61	1	0	0

	feature	churn	all	percent
1	Рыбинск	436	2694	16.18
0	Ростов	266	1417	18.77
2	Ярославль	1117	5888	18.97

	feature	churn	all	percent
0	0	90	2592	3.47
1	1	93	774	12.02
2	2	166	1052	15.78
3	3	321	1542	20.82
4	4	464	1850	25.08
5	5	577	1918	30.08
8	8	6	17	35.29
6	6	58	161	36.02
7	7	37	80	46.25
9	9	7	13	53.85

	feature	churn	all	percent
0	1	235	3341	7.03
1	2	979	5126	19.10
2	3	297	1039	28.59
4	5	8	19	42.11
3	4	300	474	63.29

	feature	churn	all	percent
0	Ж	636	4994	12.74
1	М	1183	5005	23.64

	Признак	Отток	Лояльность	Относительная разница
0	город	Ярославль	Рыбинск	-
1	кредитный рейтинг	863	845	2.09
2	пол	М	Ж	-
3	возраст	41	43	-4.88
4	балл собственности	4	3	-
5	баланс	782410.47	475382.44	39.24
6	продукты	2	2	-
7	кредитная карта	1	1	-
8	активность	1	0	-
9	доход	125395.22	118257.72	5.69

	score	age	equity	balance	products	credit_card	last_activity	est_salary	gender_code_Ж	gender_code_М	city_code_Ростов	city_code_Рыбинск	city_code_Ярославль	churn
score	1.000000	-0.012339	0.064103	0.235812	-0.003708	-0.094503	-0.031004	0.164049	-0.012429	0.012429	-0.037572	-0.000609	0.027180	0.105634
age	-0.012339	1.000000	0.020581	0.069745	0.017900	-0.122761	-0.007849	-0.039354	0.212628	-0.212628	0.047128	0.028978	-0.059549	-0.050463
equity	0.064103	0.020581	1.000000	0.164126	0.432235	-0.167497	-0.001950	-0.171965	0.021604	-0.021604	0.036300	-0.005651	-0.020634	0.270581
balance	0.235812	0.069745	0.164126	1.000000	0.075684	-0.059253	0.025004	0.339622	-0.051711	0.051711	-0.035805	-0.034697	0.057342	0.085577
products	-0.003708	0.017900	0.432235	0.075684	1.000000	-0.251831	0.036905	-0.118299	0.022916	-0.022916	-0.006223	-0.042259	0.042515	0.301616
credit_card	-0.094503	-0.122761	-0.167497	-0.059253	-0.251831	1.000000	-0.033603	0.035432	-0.126223	0.126223	-0.098534	-0.049880	0.114816	-0.130524
last_activity	-0.031004	-0.007849	-0.001950	0.025004	0.036905	-0.033603	1.000000	0.002947	0.013768	-0.013768	0.006962	0.048993	-0.049111	0.169037
est_salary	0.164049	-0.039354	-0.171965	0.339622	-0.118299	0.035432	0.002947	1.000000	-0.082295	0.082295	-0.106101	-0.057300	0.126870	0.001460
gender_code_Ж	-0.012429	0.212628	0.021604	-0.051711	0.022916	-0.126223	0.013768	-0.082295	1.000000	-1.000000	0.015072	0.015997	-0.025107	-0.141287
gender_code_М	0.012429	-0.212628	-0.021604	0.051711	-0.022916	0.126223	-0.013768	0.082295	-1.000000	1.000000	-0.015072	-0.015997	0.025107	0.141287
city_code_Ростов	-0.037572	0.047128	0.036300	-0.035805	-0.006223	-0.098534	0.006962	-0.106101	0.015072	-0.015072	1.000000	-0.246763	-0.486296	0.006112
city_code_Рыбинск	-0.000609	0.028978	-0.005651	-0.034697	-0.042259	-0.049880	0.048993	-0.057300	0.015997	-0.015997	-0.246763	1.000000	-0.726773	-0.031605
city_code_Ярославль	0.027180	-0.059549	-0.020634	0.057342	0.042515	0.114816	-0.049111	0.126870	-0.025107	0.025107	-0.486296	-0.726773	1.000000	0.024165
churn	0.105634	-0.050463	0.270581	0.085577	0.301616	-0.130524	0.169037	0.001460	-0.141287	0.141287	0.006112	-0.031605	0.024165	1.000000

	feature	hig_churn	hig_churn_percent	low_churn	low_churn_percent	low-churn-percent
5	products	>3	39.49	1	7.03	7.03
4	balance	>750тыс	34.80	<300тыс	15.79	15.79
3	equity	>3	28.45	<3	7.90	7.90
6	credit_card	0	25.54	1	14.74	14.74
7	last_activity	1	24.41	0	11.36	11.36
0	score	830-910	24.26	<830, >910	13.64	13.64
1	gender	М	23.64	Ж	12.74	12.74
2	age	25-35, 50-60	23.49	<25, 35-50, >60	13.30	13.30
8	est_salary	100тыс-220тыс	20.40	<80тыс	15.10	15.10

	user_id	score	city	gender	age	equity	balance	products	credit_card	last_activity	est_salary	churn	is_age_nan	is_balance_nan	city_code_Ростов	city_code_Рыбинск	city_code_Ярославль	gender_code_Ж	gender_code_М	score_cat	age_cat	balance_cat	equity_cat	products_cat
35	221927	863	Ростов	М	39.0	5	1461423.33	1	0	1	221699.52	0	0	0	1	0	0	0	1	middle	35-50	high	high	low
36	199614	822	Ярославль	М	60.0	5	1472483.77	1	1	1	89132.67	0	0	0	0	0	1	0	1	low	60+	high	high	low
72	156677	873	Ярославль	М	39.0	5	915959.85	3	0	1	154034.62	1	0	0	0	0	1	0	1	middle	35-50	high	high	high
77	191976	937	Ярославль	М	33.0	5	2061152.96	2	1	1	280670.62	1	0	0	0	0	1	0	1	high	25-34	high	high	low
79	191348	768	Ярославль	М	36.0	4	963460.20	2	1	1	120197.47	0	0	0	0	0	1	0	1	low	35-50	high	high	low
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
9667	163657	849	Ярославль	М	NaN	4	1254013.85	2	1	1	119106.67	0	1	0	0	0	1	0	1	middle	None	high	high	low
790	170312	901	Ярославль	М	33.0	4	3276783.93	3	0	1	358700.96	1	0	0	0	0	1	0	1	middle	25-34	high	high	high
2499	199312	948	Ярославль	М	41.0	5	3095721.85	4	1	1	307234.69	1	0	0	0	0	1	0	1	high	35-50	high	high	high
5840	208738	839	Ярославль	М	60.0	5	1102438.37	2	0	1	116500.81	0	0	0	0	0	1	0	1	middle	60+	high	high	low
1247	228075	932	Ярославль	М	NaN	5	7601719.20	2	1	1	408121.16	0	1	0	0	0	1	0	1	high	None	high	high	low

	segment	segment_size	churn_percent	score_cat	gender	age_cat	equity_cat	balance_cat	products_cat	credit_card	last_activity
2	Состоятельные мужчины	530	62	any	М	any	high	high	any	any	1
3	Много продуктов	730	53	any	any	any	any	high	high	any	any
4	Нет кредитной карты	632	50	middle	any	any	any	high	any	0	any
1	Молодёжь	579	48	middle	any	25-34	any	any	any	any	1
0	Предпенсионеры	554	46	any	any	50-60	any	high	any	any	any

Анализ оттока клиентов банка "Метанпромбанк"¶

Цель работы:¶

Ход работы:¶

Ссылка на презентацию¶

Предобработка данных¶

Переименование столбцов¶

Преобразование типов столбцов¶

Проверка на дубликаты¶

Проверка на неявные дубликаты¶

Проверка на пропуски¶

Определение типов пропусков¶

Обработка пропущенных значений¶

Проверка на аномалии¶

Рассмотрим распредление возрастов клиентов¶

Рассмотрим распредление кредитного рейтинга клиентов¶

Рассмотрим распредление баланса клиентов¶

Рассмотрим распредление дохода клиентов¶

Кодирование перменных¶

Вывод по разделу¶

Исследовательский анализ данных¶

Анализ распределения признаков в разрезе оттока¶

Распределение клиентов по городам¶

Распределение клиентов по категориям кредитного рейтинга¶

Распределение клиентов по половому признаку¶

Распределение клиентов по возрасту¶

Распределение клиентов по баллам собственности¶

Распределение клиентов по категории баланса¶

Распределение клиентов по количеству продуктов¶

Распределение клиентов по наличию кредитной карты¶

Распределение клиентов по признаку активности¶

Распределение клиентов по категории дохода¶

Анализ портретов клиентов в разрезе оттока¶

Корреляционный анализ¶

Вывод по разделу:¶

Проверка гипотез¶

Гипотеза 1. Между оставшимися и ушедшими клиентами есть разница в доходе¶

Гипотеза 2. Между оставшимися и ушедшими клиентами есть разница в балансе¶

Гипотеза 3. Средний баланс ушедших клиентов превышает 750 тыс.¶

Гипотеза 4. Средний баланс оставшихся клиентов не превышает 750 тыс.¶

Гипотеза 5. Есть разница в количестве продуктов между ушедшими и оставшимися клиентами¶

Гипотеза 6. Есть разница в баллах собственности между ушедшими и оставшимисч клиентами¶

Гипотеза 7. Есть разница в кредитном рейтинге между ушедшими и оставшимися клиентами¶

Гипотеза 8. Доли ушедших мужчин и женщин различаются¶

Вывод по разделу:¶

Подведение промежуточных итогов¶

Сегментация клиентов¶

Сегмент 1. Люди предпенсионного возраста с высоким балансом¶

Сегмент 2. Молодые активные пользователи со средним кредитным рейтингом¶

Сегмент 3. Мужчины с высоким балансом и высоким баллом собственности¶

Сегмент 4. Люди с высоким балансом и большим количеством продуктов¶

Сегмент 5. Люди с высоким балансом, средним кредитным рейтингом и без кредитной карты¶

Вывод по разделу:¶

Приоритизация сегментов¶

Формирование рекомендаций для отдела маркетинга для минимизации оттока клиентов¶

Общий вывод¶